首页> 中文期刊> 《消费导刊》 >基于Lasso含缺失数据的高斯图模型的模型选择

基于Lasso含缺失数据的高斯图模型的模型选择

开具论文收录证明 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

本文基于E-MS算法和Meinshausen and Bühlmann (2006)回归的l1惩罚方法,可以得出含缺失数据情形的高斯图模型的模型选择方法.其核心思想是根据高斯图模型结构估计等价于每个变量的领域选择这一基本结论,采用坐标轴下降法来求解每个领域选择的子问题.

著录项

来源
《消费导刊》 |2018年第22期|121129|共2页
作者
陈婷;
展开▼
作者单位

长春工业大学数学与统计学院;

展开▼
原文格式 PDF
正文语种 chi
中图分类
关键词
Lasso; 缺失数据; 模型选择; E-MS;

相似文献

中文文献
外文文献
专利

1. 基于自适应Lasso的缺失数据图模型选择 [J] . 郑倩贞 ,徐平峰 . 长春工业大学学报（自然科学版） . 2021,第004期
2. 分段平稳自回归过程的变点估计与模型选择——基于改进的自适应LASSO方法 [J] . 刘杰 ,陈啸远 ,吴遵 . 中国科学技术大学学报 . 2020,第006期
3. 一种基于结构分解的影响图模型选择算法 [J] . 姚宏亮 ,王浩 ,张佑生 . 计算机科学 . 2007,第001期
4. 通过全局核降低高斯核的局部风险与基于遗传算法的两阶段模型选择 [J] . 常群 ,王晓龙 ,林沂蒙 . 计算机研究与发展 . 2007,第003期
5. 基于GEMS算法的潜变量高斯图模型结构学习 [J] . 郑倩贞 ,徐平峰 ,曹蕾 . 东北师大学报：自然科学版 . 2021,第2期
6. 混合高斯模型的熵惩罚最大似然估计与自动模型选择 [C] . 刘伯芹 ,马尽文 . 第十一届全国信号处理学术年会 . 2003
7. 基于重抽样方法的含缺失数据图模型的模型选择 [A] . 秦铭 . 2019

获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

客服微信
服务号